1
00:00:00,000 --> 00:00:00,420
Jak działają sieci neuronowe?

2
00:00:04,490 --> 00:00:05,780
SZTUCZNA INTELIGENCJA
Jak działają sieci neuronowe?

3
00:00:07,360 --> 00:00:11,830
Cześć! Nazywam się Deon. Jestem jednym
z twórców firmy Forethoughht AI.

4
00:00:11,830 --> 00:00:15,380
Tworzymy w niej narzędzia bazujące
na sztucznej inteligencji,

5
00:00:15,380 --> 00:00:18,720
których ludzie mogą używać w pracy
w celu zwiększenia wydajności.

6
00:00:19,600 --> 00:00:24,320
Aby stworzyć uczącą się maszynę 
informatycy szukali wskazówek badając

7
00:00:24,320 --> 00:00:28,080
inne rzeczy, które potrafią się uczyć.
Okazuje się, że nie ma niczego lepszego

8
00:00:28,080 --> 00:00:33,360
od mózgu człowieka! Nasze mózgi
zbudowane są z tzw. neuronów.

9
00:00:34,080 --> 00:00:37,840
Neurony mają dwa końce: sygnały wejściowe
wchodzą na jednym końcu,

10
00:00:37,840 --> 00:00:43,840
łączą się wewnątrz neuronu i wychodzą 
na drugim jako pojedynczy wynik.

11
00:00:44,960 --> 00:00:53,620
W mózgu miliardy neuronów połączone są
w tzw. biologiczną sieć neuronową.

12
00:00:53,620 --> 00:00:57,840
W niej nasz mózg przetwarza informacje
i rozpoznaje wzorce.

13
00:00:58,640 --> 00:01:04,640
Naukowcy postanowili odwzorować ludzkie
neurony tworząc proste sztuczne neurony

14
00:01:04,640 --> 00:01:11,360
w oprogramowaniu. Nic wielkiego, po prostu
liczne sygnały przechodzące przez neuron,

15
00:01:11,360 --> 00:01:16,080
łączące się i przetwarzane w prostych
działaniach w sygnał wychodzący.

16
00:01:17,120 --> 00:01:21,360
To był dobry początek, ale jeden neuron
niewiele może zdziałać.

17
00:01:22,000 --> 00:01:26,480
Pełne możliwości tej koncepcji można
uzyskać po połączeniu sztucznych neuronów

18
00:01:26,480 --> 00:01:32,800
w sztuczną sieć neuronową. 
To ona umożliwia komputerom

19
00:01:32,800 --> 00:01:39,840
rozpoznawanie obrazków, prowadzenie aut
i tworzenie dziwacznych prac artystycznych.

20
00:01:40,640 --> 00:01:44,600
Zobaczmy, jak działają neurony budując
system rekomendacji filmów,

21
00:01:44,600 --> 00:01:45,600
w którym wykorzystuje się opinie krytyków,

22
00:01:45,600 --> 00:01:47,510
do określenia czy film 
Wam się spodoba.

23
00:01:47,610 --> 00:01:51,150
Potem wykorzystamy Wasze opinie
do dalszego doskonalenia systemu!

24
00:01:51,150 --> 00:01:59,250
Mamy trzech krytyków: Alego, Bowiego 
i Casey. Każdy ocenia w skali 1-5 gwiazdek.

25
00:01:59,250 --> 00:02:02,260
Zbudujmy teraz 
pojedynczy sztuczny neuron.

26
00:02:02,260 --> 00:02:08,220
Każdy krytyk wpisuje swoją ocenę po tej 
stronie, tutaj dokonuje się wyliczenia

27
00:02:08,220 --> 00:02:13,544
i uzyskuje się pojedynczy wynik.
W tym przypadku ocenę filmu.

28
00:02:13,544 --> 00:02:21,780
Mamy pierwszy film. Ali przyznał jedną
gwiazdkę, Bowie pięć, Casey cztery.

29
00:02:21,780 --> 00:02:26,519
Na początku wszystkie opinie mają tę samą
wagę i liczy się je równo.

30
00:02:26,519 --> 00:02:33,500
Wprowadza się dane, wykonuje proste
działania i uzyskuje rekomendację.

31
00:02:33,500 --> 00:02:36,697
Teraz obejrzyjmy film 
i przyznajmy mu własną ocenę!

32
00:02:36,697 --> 00:02:43,768
KSZTAŁTUJ FRAGMENTY 
PRZESZŁOŚCI I PRZYSZŁOŚCI

33
00:02:43,780 --> 00:02:53,910
Acha! Cóż, dziwne! Ale udajmy, 
że Wam się podobał i dajmy 5 gwiazdek.

34
00:02:53,910 --> 00:02:59,970
Teraz Wasza ocena jest użyta do szkolenia 
neuronu. Na podstawie Waszej oceny

35
00:02:59,970 --> 00:03:05,244
wagę każdej opinii przelicza się ponownie.
Wasza ocena jest bliższa opinii

36
00:03:05,244 --> 00:03:11,074
Bowiego i Casey, zatem ich opinie mają
wyższą wagę.

37
00:03:11,074 --> 00:03:16,273
Nie zgodziliście się z jedną gwiazdką Alego
więc ta waga maleje.

38
00:03:16,273 --> 00:03:19,930
Przeprowadźmy ponowny trening neuronu.

39
00:03:19,930 --> 00:03:24,270
Oto kolejny film i kolejne recenzje 
naszych krytyków.

40
00:03:24,270 --> 00:03:31,910
Tym razem neuron przyzna wyższą wagę tym 
dwóm ocenom przy wyliczaniu rekomendacji.

41
00:03:31,910 --> 00:03:40,780
No i mamy wynik. Obejrzyjmy film.

42
00:03:40,780 --> 00:03:46,260
Tyle dobrego, że był krótki!
Przyznajmy mu ocenę.

43
00:03:46,260 --> 00:03:52,070
W nowej ocenie ponownie skorygowano wagi. Proces wciąż się powtarza,

44
00:03:52,070 --> 00:03:59,040
aż wytrenujemy system tak, że będzie znać
nasze preferencje i polecać odpowiedni film.

45
00:03:59,040 --> 00:04:05,030
W tym przykładzie mamy jeden neuron.
I jest to obraz skrajnie uproszczony.

46
00:04:05,030 --> 00:04:09,130
Przez potężne sieci przepływają miliony
neuronów uporządkowanych w warstwy.

47
00:04:09,130 --> 00:04:16,210
Jest warstwa danych wejściowych, dowolna
liczba warstw ukrytych i warstwy wyjściowe.

48
00:04:16,210 --> 00:04:23,330
Wynik jednej warstwy staje się danymi
wejściowymi kolejnej warstwy i tak w kółko.

49
00:04:23,330 --> 00:04:26,860
Na tej zasadzie działa wiele systemów
rekomendacji mediów, muzyki czy zakupów

50
00:04:26,860 --> 00:04:28,530
w świecie rzeczywistym.

51
00:04:28,530 --> 00:04:31,689
Wykorzystuje się w nich oceny milionów
codziennych użytkowników.

52
00:04:31,689 --> 00:04:37,990
W tych sieciach neuronowych każdy 
przyczynia się do modyfikacji wag.

53
00:04:37,990 --> 00:04:43,120
Sieci neuronowe mają mnóstwo innych 
zastosowań. Zakulisowo korzysta się z nich

54
00:04:43,120 --> 00:04:45,960
do rozwiązania wielkich problemów:
tworzenia zdrowszego jedzenia

55
00:04:45,960 --> 00:04:50,618
prognozowania powodzi czy pożarów lasów,
wspomagania ochrony przyrody,

56
00:04:50,618 --> 00:04:52,978
a nawet wykrywania i leczenia chorób.